文章目录
论文
文章的摘要部分介绍了基于扩散的图像超分辨率(SR)方法主要受限于推理速度慢,因为需要数百甚至数千个采样步骤。现有的加速采样技术在一定程度上牺牲了性能,导致超分辨率结果过模糊。为了解决这个问题,作者提出了一种新颖高效的扩散模型用于SR,显著减少了扩散步骤的数量,从而消除了在推理过程中需要后加速的需求及其可能导致的性能恶化问题。
该方法构建了一个马尔可夫链,通过在高分辨率图像和低分辨率图像之间的残差移动来实现两者之间的转换,大幅提高了转换效率。此外,还开发了一个精细的噪声调度来灵活